kalman滤波器公式的推导
Posted shoutcharter
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了kalman滤波器公式的推导相关的知识,希望对你有一定的参考价值。
卡尔曼滤波的使用范围:
该系统要有如下关系:
计算步骤:
PART0:INI
PART1:Time update
迭代的目标:从X(K-1)+ 求得X(K) +
因此,先有X(K-1)+,已知F,G。得到X(K) -。再由K(k),y(k) 求得X(K)+。
但是K(k)需要P(K)-,P(K)-需要从(K-1)+得到。所以要算P(k)-。
为了保证迭代的继续还要计算P(K)+。
第一公式是假设:linear discrete-time system
根据《信号与系统》的描述,对于线性系统,必然有以上关系。如果是二阶系统,则要求二阶导数。
第二公式推导:
此时只有先验概率
Part2 Measure Update(ONLY FOR XK+)
第三公式的推导:
此时由于有了观测量,因此有了后验概率
第二公式的推导:说明 I-KH要对称,且K要对称。
为了使得Pk最小,Kk必须与Pk-1配合使用。与前一个状态相关。
以上是关于kalman滤波器公式的推导的主要内容,如果未能解决你的问题,请参考以下文章
. 细说Kalman滤波:The Kalman Filter
自动驾驶 9-1: (线性)卡尔曼滤波器The (Linear) Kalman Filter